多核支撑向量回归方法研究

多核支撑向量回归方法研究

陈博;郑凯东;王家华

【期刊名称】《智能计算机与应用》 【年(卷),期】2019(009)001

【摘要】近些年来,支撑向量回归方法在减少泛化误差方面表现出了出色的性能.然而,传统的支撑向量机或者支撑向量回归方法是基于单个核函数的,在高维空间中解决非线性问题.但随着应用领域不断扩展,在一些复杂情形下,由单个核函数构成的支撑向量回归方法并不能满足数据异构、输入空间维度过高等实际问题.针对此问题,人们在单核学习的基础上提出了多核学习,即将多个核函数进行线性组合,以此来提高模型精度,并逐渐成为当下机器学习领域研究的热点.文章综述了支撑向量回归算法与多核学习算法理论知识,并分析了各自的特点以及应用领域.总结了多核支撑向量回归方法下一步的研究趋势. 【总页数】4页(188-191)

【关键词】支撑向量机;支持向量回归;多核学习 【作者】陈博;郑凯东;王家华

【作者单位】西安石油大学 计算机学院,西安710065;西安石油大学 计算机学院,西安710065;西安石油大学 计算机学院,西安710065 【正文语种】中文 【中图分类】TP18 【相关文献】

1.多核支撑向量回归方法研究 [J], 陈博[1]; 郑凯东[1]; 王家华[1]

2.非稀疏多核组合的支持向量回归方法 [J], 胡庆辉; 丁立新; 刘晓刚; 李照奎

3.基于多核最小二乘支持向量回归的TDOA-DOA映射方法 [J], 张峰; 陈华伟; 李妍文

4.基于多核支持向量回归的光谱反射率重建方法 [J], 赵丽娟; 王慧琴; 王可; 王展; 刘加林; 杨蕾

5.支撑向量回归机的一种光滑化方法 [C], 王若鹏; 卓泽强

以上内容为文献基本信息，获取文献全文请下载